深度学习 表示(representation)

什么是表示(representation)?

在《deep learning with python》一书的 1.1.3 节中是这么定义的,At its core, it’s a different way to look at data—to represent or encode data。这个字面上理解就是表示或者编码数据的一种形式

举个例子,一张图片可以表示为 RGB 形式也可以表示为 HSV 形式,这就是对同一数据(data)的两种不同表示。在不同的任务中采取合适的表示会使得任务变得简单一点,比如如果要选取图片中的红色像素点,我们就可以采取 RGB 形式,如果想让图片更加饱和(saturated),那么采取 HSV 形式更加简单。又比如说我们要辨别一种鸟类,我们可以使用它的眼睛颜色-羽毛颜色-尾巴形状(这些特征是笔者随便想的,不一定能实际用于分类)作为它的数据,也可以使用脚趾形状-羽毛颜色-尾巴形状作为数据,而眼睛颜色等也是鸟的特征,所以表示学习又叫特征学习(feature learning)

表示学习(representation learning)虽然从结构上讲只是数据的一个预处理手段,但是正如“工欲善其事,必先利其器”一样,它的出现提供了进行无监督学习和半监督学习的一种方法。其重要性不言而喻,以至于在花书中被单独列出来作为一章。


转载请注明来源。 欢迎对文章中的引用来源进行考证,欢迎指出任何有错误或不够清晰的表达。 可以在下面评论区评论,也可以邮件至 sharlot2050@foxmail.com。

文章标题:深度学习 表示(representation)

字数:376

本文作者:夏来风

发布时间:2021-02-03, 22:27:01

原始链接:http://www.demo1024.com/blog/ai-dl-representations/

版权声明: "署名-非商用-相同方式共享 4.0" 转载请保留原文链接及作者。